鄧義, 楊壁然, 劉志強(qiáng), 鮑軍芳, 唐亞霞
乳腺癌是臨床常見腫瘤,近年來(lái)我國(guó)女性乳腺癌的死亡率呈上升趨勢(shì),早期發(fā)現(xiàn)、診斷和及時(shí)治療是乳腺癌防治的重要策略[1]。乳腺M(fèi)RI檢查診斷乳腺癌的敏感度高,但是乳腺良惡性病變的影像表現(xiàn)有一定的重疊,有待進(jìn)一步研究。圖像紋理分析是一種計(jì)算機(jī)輔助圖像分析方法,可以量化分析圖像像素的灰度值局部特征、像素灰度值變化規(guī)律及其空間分布結(jié)構(gòu)信息,不局限于肉眼的觀察。本研究旨在探討乳腺磁共振增強(qiáng)圖像的三維紋理分析在鑒別乳腺良惡性病變中的診斷價(jià)值。
搜集2016年10月-2018年4月在本院就診的34例女性患者的臨床和影像檢查資料。其中乳腺癌患者16例,年齡31~68歲,中位年齡51歲;浸潤(rùn)性導(dǎo)管癌14例,導(dǎo)管原位癌2例。乳腺良性病變患者18例,年齡31~59歲,中位年齡45歲;纖維瘤9例,乳腺腺病7例,乳腺炎2例。所有病例經(jīng)手術(shù)病理證實(shí),于術(shù)前1周行MRI檢查。
使用Siemens Avanto 1.5T磁共振掃描儀和四通道相控陣乳腺專用線圈。患者取俯臥位、頭先進(jìn),雙乳自然懸垂于線圈內(nèi)。先行常規(guī)MR平掃,包括T1WI、T2WI和DWI序列,隨后采用橫軸面三維容積內(nèi)插法快速擾相梯度回波序列行動(dòng)態(tài)增強(qiáng)掃描,完成蒙片掃描后,注射釓對(duì)比劑(馬根維顯),劑量0.1 mmol/kg,注射流率2 mL/s,隨即以同樣流率注射生理鹽水20 mL,對(duì)比劑注射完成后立即啟動(dòng)掃描,共掃描7個(gè)期相,每期的掃描時(shí)間為90 s。掃描參數(shù):TR 4.58 ms,TE 1.87 ms,矩陣384×384,視野36 cm×36 cm,層厚1.5 mm,層間距0.3 mm。
圖像選擇和導(dǎo)出:自PACS將MR圖像回傳至思創(chuàng)工作站,由具有豐富影像診斷經(jīng)驗(yàn)的影像醫(yī)師在工作站上進(jìn)行閱片分析,將動(dòng)態(tài)增強(qiáng)掃描第一期相的圖像以“BMP”格式導(dǎo)出至移動(dòng)硬盤,導(dǎo)出圖像的窗寬、窗位需保持一致。
圖像紋理參數(shù)提?。菏褂眉y理分析軟件MaZda(Version 4.6,http://www.eletel.p.lodz.pl/mazda),由具有豐富影像診斷工作經(jīng)驗(yàn)的影像科醫(yī)師對(duì)增強(qiáng)圖像進(jìn)行紋理分析,使用軟件中的三維感興趣區(qū)編輯器(3D ROI editor)在病灶內(nèi)勾畫ROI,編輯器可變形,表面網(wǎng)可自動(dòng)探測(cè)病變的邊界,ROI包括整個(gè)病灶,隨后軟件即可計(jì)算出病變的紋理特征參數(shù)(圖1~2)。為減小對(duì)比度和亮度變化對(duì)分析結(jié)果可能存在的影響,在提取圖像紋理參數(shù)之前,先將圖像的灰階水平在[μ-3δ,μ+3δ](μ和δ分別是平均灰度值和標(biāo)準(zhǔn)差)范圍進(jìn)行標(biāo)準(zhǔn)化。紋理參數(shù)的分析方法包括灰度直方圖、灰度游程矩陣、灰度絕對(duì)梯度和灰度共生矩陣等。
紋理特征和分類分析:采用MaZda軟件的3種最優(yōu)紋理參數(shù)選擇方法,分別是交互信息(mutual information,MI)、Fisher系數(shù)(Fisher coefficient,F(xiàn)isher)和最小分類誤差與最小平均相關(guān)系數(shù)法(inimisation of both classification error probability and average correlation coefficients,POE+ACC),分別提取每種方法當(dāng)中的前10個(gè)最優(yōu)紋理參數(shù),總共30個(gè)紋理參數(shù)進(jìn)行后續(xù)分析。MaZda軟件自帶B11統(tǒng)計(jì)分析軟件包,提供4種常用的分類分析方法,包括:原始數(shù)據(jù)分析(raw data analysis,RDA)、主要成分分析(principal component analysis,PCA)、線性分類分析(linear discriminant analysis,LDA)和非線性分類分析(nonlinear discriminant analysis,NDA)。采用上述4種方法分別對(duì)最優(yōu)紋理參數(shù)進(jìn)行分析,評(píng)估其在乳腺癌與乳腺良性病變鑒別診斷中的價(jià)值,鑒別診斷結(jié)果以誤判率表示。誤判率越小說(shuō)明圖像的紋理特征參數(shù)越具有鑒別診斷價(jià)值。
使用SPSS 16.0統(tǒng)計(jì)分析軟件,對(duì)上述30個(gè)最優(yōu)紋理參數(shù)在良惡性病變間的差異采用兩獨(dú)立樣本Mann-Whitney U檢驗(yàn)進(jìn)行統(tǒng)計(jì)學(xué)分析,以P<0.05為差異有統(tǒng)計(jì)學(xué)意義,對(duì)其中組間差異具有統(tǒng)計(jì)學(xué)意義的紋理參數(shù),采用MedCalc 15.8統(tǒng)計(jì)軟件進(jìn)行受試者工作特征曲線(ROC)分析。
基于動(dòng)態(tài)增強(qiáng)早期圖像的不同紋理特征選擇方法及分類分析方法對(duì)良惡性病變的誤判率見表1?;谧顑?yōu)紋理特征的4種分類分析方法中,以非線性分類分析(NDA)對(duì)于乳腺良惡性病變的誤判率最低,其中以POE+ACC聯(lián)合NDA的誤判率最低(圖3),誤判率為5.88%。采用3種紋理參數(shù)選擇方法選取的30個(gè)最優(yōu)紋理參數(shù)中,以灰度共生矩陣參數(shù)最多(17個(gè)),直方圖參數(shù)6個(gè),游程矩陣參數(shù)6個(gè)、絕對(duì)梯度參數(shù)1個(gè)。其中10項(xiàng)紋理參數(shù)在乳腺良惡性病變之間的差異具有統(tǒng)計(jì)學(xué)意義(P<0.05),這10項(xiàng)參數(shù)的測(cè)量值及組間比較結(jié)果見表2。10項(xiàng)紋理參數(shù)鑒別病灶良惡性的診斷效能見表3。受試者工作特征曲線分析結(jié)果顯示,各項(xiàng)紋理參數(shù)的AUC范圍為0.717~0.755。
表2 乳腺良惡性病變見差異有統(tǒng)計(jì)學(xué)意義的10項(xiàng)紋理參數(shù)值
表3 乳腺良惡性病變的三維紋理參數(shù)受試者工作特征曲線分析
圖1 右側(cè)乳腺導(dǎo)管癌患者對(duì)比增強(qiáng)T1WI,在病灶內(nèi)勾畫ROI進(jìn)行紋理參數(shù)的測(cè)量,此病灶的99%灰度百分位值為4.096×103,50%灰度百分位值為3.133×103,直方圖均值為3.073×103,均值和(0,1,0)為0.976×102,均值和(1,0,0)為0.975×102,均值和(1,1,0)為0.979×102,均值和(0,0,1)為0.981×102,均值和(1,-1,0)為0.974×102,90%灰度百分位值為3.647×103,10%灰度百分位值為2.426×103。 圖2 左側(cè)乳腺纖維腺瘤患者對(duì)比增強(qiáng)T1WI,在病灶內(nèi)勾畫ROI進(jìn)行紋理參數(shù)的測(cè)量,此病灶的99%灰度百分位值為3.277×103,50%灰度百分位值為1.639×103,直方圖平均值為1.725×103,均值和(0,1,0)為0.552×102,均值和(1,0,0)為0.550×102,均值和(1,1,0)為0.551×102,均值和(0,0,1)為0.552×102,均值和(1,-1,0)為0.551×102,90%灰度百分位值為2.346×103,10%灰度百分位值為1.189×103。 圖3 POE+ACC/NDA法分類結(jié)果示意圖,1代表乳腺癌組,2代表良性病變組,1和2之間僅有少許重疊,重疊越少則對(duì)兩組的誤判率越低。
表1 各種紋理特征選擇方法及分類分析方法的誤判率 (%)
乳腺良惡性病變的影像學(xué)鑒別診斷對(duì)于臨床選擇治療方案具有非常重要的意義。常規(guī)MRI序列包括DWI對(duì)乳腺良惡性病變的診斷具有較大價(jià)值,但是良惡性病變的影像表現(xiàn)仍有重疊[2]。圖像紋理分析技術(shù)通過(guò)數(shù)學(xué)運(yùn)算來(lái)反映數(shù)字圖像中像素灰度的分布特征,能夠提供影像科醫(yī)師肉眼所不能觀察到的客觀信息。既往有研究基于乳腺X線攝影進(jìn)行紋理分析,結(jié)果顯示結(jié)合紋理分析的方法可以明顯提高乳腺X線攝影對(duì)乳腺良惡性病變的診斷效能[3]。有學(xué)者研究發(fā)現(xiàn)基于T2WI序列的紋理分析對(duì)乳腺病變的誤判率低于T1WI和延遲增強(qiáng)T1WI[4]。基于T2WI和對(duì)比增強(qiáng)T1WI的紋理分析可以幫助預(yù)測(cè)乳腺癌對(duì)治療后的反應(yīng)[5-6]。MR增強(qiáng)圖像的紋理分析聯(lián)合MR乳腺影像報(bào)告和數(shù)據(jù)系統(tǒng)(BI-RADS)可以提高乳腺良惡性病變的診斷準(zhǔn)確性[7]。目前多數(shù)文獻(xiàn)關(guān)于圖像紋理分析采用的是二維圖像分析,未能分析全部瘤體的紋理參數(shù),對(duì)于腫瘤的異質(zhì)性和腫瘤成份的空間分布信息可能出現(xiàn)遺漏。本研究采用三維紋理分析法,結(jié)果顯示MR增強(qiáng)圖像三維紋理分析對(duì)于良惡性腫瘤的誤判率低,POE+ACC聯(lián)合非線性分類分析(NDA)的誤判率僅5.88%。在MaZda軟件中,NDA是采用人工神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)分類。對(duì)于乳腺良惡性腫塊的紋理特征的分類分析方法中,NDA的誤判率最低,與張竹偉等[4]的研究報(bào)道一致,在他們的研究中基于增強(qiáng)T1WI的誤判率為14.71%。
本研究中獲取的乳腺良惡性病變的MRI三維紋理分析參數(shù)中,經(jīng)統(tǒng)計(jì)學(xué)分析,結(jié)果顯示有10項(xiàng)紋理參數(shù)的差異具有統(tǒng)計(jì)學(xué)意義,其中5個(gè)為直方圖參數(shù),5個(gè)為灰度共生矩陣參數(shù),提示這些紋理特征在乳腺良惡性病變的診斷中具有應(yīng)用價(jià)值。直方圖參數(shù)在腫瘤的影像診斷和鑒別診斷中的價(jià)值已經(jīng)有相關(guān)研究,直方圖可以反映不同腫瘤區(qū)域的灰度特征,對(duì)全部瘤體的直方圖分析在腫瘤的診斷和分級(jí)中具有優(yōu)勢(shì)。本研究中以50%灰度百分位值的診斷價(jià)值最高,其AUC為0.755,敏感度93.75%,特異度61.11%,最佳臨界值為2.217×103。
灰度共生矩陣是一種描述圖像表面灰度分布周期規(guī)律的紋理分析方法,具有豐富的紋理特征參數(shù),本研究中選取的30個(gè)最佳紋理特征中有17個(gè)來(lái)自于灰度共生矩陣。10個(gè)具有統(tǒng)計(jì)學(xué)差異的參數(shù)中有5個(gè)為灰度共生矩陣參數(shù)。均值和是度量圖像區(qū)域內(nèi)像素點(diǎn)平均灰度值的參數(shù),反映了圖像的整體明暗深淺。良惡性病變間均值和的差異具有統(tǒng)計(jì)學(xué)意義,從影像學(xué)特征方面反映了乳腺良惡性腫瘤的組織結(jié)構(gòu)的差異。
本研究的局限性在于樣本量不大,良惡性組病變組為對(duì)具體疾病類型進(jìn)行進(jìn)一步細(xì)分,需要在今后的的研究中進(jìn)一步深入分析??傊?,磁共振增強(qiáng)圖像三維紋理分析對(duì)于乳腺良惡性病變的鑒別診斷具有良好的臨床應(yīng)用價(jià)值。